1.tensorflow的介绍
(1)框架
(2)张量
张量是一个多维数组。 与NumPy ndarray对象类似,tf.Tensor对象也具有数据类型和形状
此外,tf.Tensors可以保留在GPU中。 TensorFlow提供了丰富的操作库(tf.add,tf.matmul,tf.linalg.inv等),它们使用和生成tf.Tensor
(3)keras的介绍
1)意义:
tf.keras是TensorFlow 2.0的高阶API接口,为TensorFlow的代码提供了新的风格和设计模式,大大提升了TF代码的简洁性和复用性,官方也推荐使用tf.keras来进行模型设计和开发。
2) 常用模块
3)数据的输入
对于小的数据集,可以直接使用numpy格式的数据进行训练、评估模 型,对于大型数据集或者要进行跨设备训练时使用tf.data.datasets来进行数据输入。
3)模型的构建
简单模型使用Sequential进行构建
复杂模型使用函数式编程来构建
自定义layers
3) 回调函数
回调函数用在模型训练过程中,来控制模型训练行为,可以自定义回调函数,也可使用tf.keras.callbacks 内置的 callback :
ModelCheckpoint:定期保存 checkpoints。 LearningRateScheduler:动态改变学习速率。 EarlyStopping:当验证集上的性能不再提高时,终止训练。 TensorBoard:使用 TensorBoard 监测模型的状态。
4)模型的保存
a. 只保存参数
b. 保存整个模型